[发明专利]一种风险预测模型训练方法、疾病风险预测模型及方法在审

专利信息
申请号: 202110994414.0 申请日: 2021-08-27
公开(公告)号: CN114049957A 公开(公告)日: 2022-02-15
发明(设计)人: 熊健皓;赵昕;和超;张大磊 申请(专利权)人: 北京鹰瞳科技发展股份有限公司;上海鹰瞳医疗科技有限公司
主分类号: G16H50/30 分类号: G16H50/30;G06T7/00
代理公司: 北京泛华伟业知识产权代理有限公司 11280 代理人: 王勇
地址: 100083 北京市海*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 风险 预测 模型 训练 方法 疾病
【权利要求书】:

1.一种风险预测模型训练方法,其特征在于,所述方法包括:

S1、获取样本人群患疾病的风险数值,其中,风险数值是通过检测样本人群的多项身体指标计算获得;

S2、获取所述样本人群中每个人的眼底图像;

S3、将所述样本人群中每个人患疾病的风险数值作为标签对其眼底图像进行标注形成样本,并组成训练数据集;

S4、用步骤S3得到的训练数据集对神经网络训练至收敛获得风险预测模型。

2.根据权利要求1所述的风险预测模型训练方法,其特征在于,所述疾病是心血管疾病、糖尿病、痴呆中的一种或多种。

3.根据权利要求1所述的风险预测模型训练方法,其特征在于,所述步骤S1中,所述风险数值是通过cox函数或其他指数函数对人的身体指标进行计算获得。

4.根据权利要求1所述的风险预测模型训练方法,其特征在于,所述步骤S1中,根据下述公式计算每个人患疾病的风险数值Risk′:

Risk′=ln(Risk)

其中,Risk为原始风险数值,是通过cox函数或其他指数函数对人的身体指标进行计算获得。

5.根据权利要求1所述的风险预测模型训练方法,其特征在于,所述步骤S4中,采用回归损失设计并采用梯度下降算法训练神经网络,当连续三次训练损失较之前所有训练中的最小损失不下降则结束训练。

6.根据权利要求5所述的风险预测模型训练方法,其特征在于,所述步骤S4中采用MSE或MAE损失函数计算损失。

7.一种疾病风险预测模型,其特征在于,所述风险预测模型采用如权利要求1-6任一所述方法对神经网络进行训练获得。

8.根据权利要求7所述的疾病风险预测模型,其特征在于,所述疾病是心血管疾病、糖尿病、痴呆中的一种或多种。

9.一种疾病风险预测方法,其特征在于,所述方法包括:

获取待预测的人的眼底图像;

采用权利要求1-6任一所述方法训练的疾病风险预测模型基于所述眼底图像获得疾病风险数值。

10.根据权利要求9所述的风险预测方法,其特征在于,所述疾病是心血管疾病、糖尿病、痴呆中的一种或多种。

11.一种计算机可读存储介质,其特征在于,其上包含有计算机程序,所述计算机程序可被处理器执行以实现权利要求1至6任一所述方法的步骤。

12.一种电子设备,其特征在于,包括:

一个或多个处理器;

存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如权利要求1至6中任一项所述方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京鹰瞳科技发展股份有限公司;上海鹰瞳医疗科技有限公司,未经北京鹰瞳科技发展股份有限公司;上海鹰瞳医疗科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110994414.0/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top